基于Tri-SE-CNN的风电机组叶片结冰检测研究

作者：孙坚; 杨宇兵

来源：太阳能学报, 2024, 1-9.

DOI：10.19912/j.0254-0096.tynxb.2023-1337

• 风电机组叶片
• 无标签数据
• 卷积神经网络
• 三重训练
• 压缩和激励网络
• 结冰检测

针对现有风力机叶片结冰检测方法未能充分利用无标签数据，且分类性能差的问题，提出一种基于改进的三重训练和卷积神经网络（Tri-SE-CNN）的结冰检测方法。首先建立基于最优加权策略的三重训练（Tri-training）模型，对无标签样本的状态进行判别，用以扩充训练集；接着将压缩与激励（SE）模块嵌入到卷积神经网络（CNN）中，并用SE-CNN分类器学习扩充后的样本集。结合提取的叶片结冰主控特征，以2017年工业大数据创新竞赛平台中15号和21号风力机数据为例进行仿真，并用云南某风场历史数据进行验证。实验结果表明，所提方法的准确度优于CNN、支持向量机等方法，在15号风力机上达到99.96%，可为风力机叶片结冰预警提供有益参考。

• 单位
  三峡大学